Python机器学习笔记（十五、聚类算法的对比和评估）

FreedomLeo1

于 2024-12-27 16:30:20 发布

阅读量1.1k

点赞数 9

CC 4.0 BY-SA版权

分类专栏： Python机器学习文章标签：机器学习算法 python 聚类算法评价 KMeans 凝聚聚类 DBSCAN

本文链接：https://blog.youkuaiyun.com/FreedomLeo1/article/details/144769019

用真实世界的数据集对k均值、凝聚聚类和DBSCAN算法进行比较。

1. 用真实值评估聚类

评估聚类算法对真实世界数据集的聚类结果，可以用调整rand指数ARI和归一化互信息NMI。

调整rand指数（adjusted rand index，ARI）和归一化互信息（normalized mutual information，NMI），二者都给出了定量的度量，最佳值为1，0表示不相关的聚类。

示例，使用 ARI 来比较 k 均值、凝聚聚类和 DBSCAN 算法。

import numpy as np
import matplotlib.pyplot as plt
import mglearn
from sklearn.cluster import KMeans
from sklearn.datasets import make_moons
from sklearn.cluster import AgglomerativeClustering
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler
from sklearn.metrics.cluster import adjusted_rand_score

X, y = make_moons(n_samples=200, noise=0.05, random_state=0)
# 将数据缩放成平均值为0、方差为1
scaler = StandardScaler()
scaler.fit(X)
X_scaled = scaler.transform(X)
fig, ax

了解本专栏